LBM 기반 차세대 Agent AI 연동 전략 — Brain-Agent Interface (BAI)

<aside> 💡 서울대학교 차지욱 교수 연구팀의 Large Brain Model(DIVER, SwiFT, Neural Field Modeling) 연구와 OpenHands·OSWorld 등 컴퓨터 에이전트 AI를 융합하는 Brain-Agent Interface(BAI) 학생 학습·연구 포털입니다. 기존 VLM 에이전트의 grounding 오차·반복 에러 루프를 뇌 신호 기반 상위 인지 통제 루프로 보완하는 것을 목표로 하며, fMRI BOLD 지연(4–6초)·EEG SNR 등 물리적 제약을 반영한 5개년 3단계 로드맵을 포함합니다.

</aside>

🚀 학생 온보딩: 여기서 시작하세요

  1. 온보딩 실습 핸드아웃 을 먼저 읽고 따라 합니다 (RAG 쿼리 → 슬라이드 등록 → Gmail 드래프트).
  2. 전략 연구 보고서 로 BAI 개념·3대 병목·5개년 로드맵·합성 데이터 전략을 파악합니다.
  3. 아래 NotebookLM RAG 지식베이스로 본인 학위 연구와 맞닿는 문헌을 조사하고, 결과를 정리해 회신합니다.

📂 핵심 산출물 (클릭하여 이동)

🔬 RAG 지식베이스 (NotebookLM) 사용법

<aside> ℹ️ AI·뇌과학 논문 149편 (2026-05-26 재큐레이션 — Wave 3b 110 → Phase D gap-fill, Graham agent expertise 70% + lab LBM 25% + edge 5%)가 적재된 NotebookLM 노트북(별칭 agentic-lbm)으로 문헌을 빠르게 조사할 수 있습니다.

</aside>